【AI活用術】
「プロンプトエンジニアリング」から
「コンテキストエンジニアリング」の時代へ

「AIには、魔法の呪文（プロンプト）を唱えないと、良い答えが返ってこない」

そんなふうに思っていませんか？

私はそう思っていました。

実は今、AIの世界では大きなパラダイムシフトが起きています。

それは、AIへの命令の仕方を工夫する「プロンプトエンジニアリング」から、AIに与える情報の質を設計する「コンテキストエンジニアリング」への移行です。

そこで本記事では、なぜこの変化が起きているのか、これからのAI活用に不可欠な「コンテキストエンジニアリング」について解説します。

コンテキストエンジニアリングを理解することによって、AIはユーザーが求める内容や形式の回答を出すことができるようになります。

「呪文」が不要になった2つの技術的理由

そもそも、なぜ以前ほどプロンプトの工夫が重要ではなくなったのでしょうか？
理由は大きく2つ、モデル自体の進化にあります。

GPT-3などの初期モデルは、人間の曖昧な指示を理解するのが苦手でした。
そのため、人間側がAIの思考プロセスを誘導する（Chain-of-Thought）必要がありました。

AI最新モデルは、膨大な「指示と応答」のデータセットで追加学習（Instruction Tuning）されており、「普通の言葉で頼めば、普通に理解して実行する」レベルに到達しました。

かつてはA4用紙数枚分しかAIに読ませられませんでしたが、今は「文庫本数冊〜数百冊分」の情報を一度に短期記憶（コンテキストウィンドウ）に保持できます。

AIの知識不足を「プロンプトの工夫」で補う必要がなくなり、「必要な知識を全部読ませてから答えさせる」ことが可能になりました。

コンテキストエンジニアリングとは、単に資料を渡すことではありません。

「In-Context Learning（ICL；文脈内学習）」を最大限に活用する設計思想を指します。

生成AIは、学習済みの脳（モデルの重み）自体は更新されません。
しかし、プロンプトに入力された情報（コンテキスト）を「一時的な知識」として、その場限りで学習したかのように振る舞うことができます。

コンテキストエンジニアリングとは、AIに「このタスクを解くための専用の教科書」をその場で編集・作成して渡す作業です。

個人の能力（プロンプト）に依存するよりも、優れたマニュアル（コンテキスト）を用意する方が成果の再現性が高いです。

では、質の高いコンテキストエンジニアリングとは具体的に何をすることなのでしょうか？
ただ長文をコピペするのではなく、情報を下記の3つのレイヤーで構造化します。

AIに読ませるドキュメントの「読みやすさ」を最適化します。

すべての情報を一度に渡せない場合、必要な情報だけを検索してAIに渡す技術（RAG: Retrieval-Augmented Generation）を使います。

「言葉で説明するよりも、例を見せたほうが早い」のは、人間もAIも同じです。

Bad Pattern：「親しみやすく、でも失礼のないメールを書いて」と形容詞で指示する。
Good Pattern (Context)：「過去に顧客から高評価だったメールの文面5選」をそのまま貼り付け、「これらと同じトーン＆マナーで書いて」と指示する。

AIは言語化できない「雰囲気」をコンテキストから学習します。

私たち人間に求められる能力は、AIを操作する力から情報を編集する力にシフトしています。